中国陆地植被净初级生产力估算模型优化与分析——基于中国生态系统研究网络数据

该研究基于中国生态系统研究网络(CERN)数据对传统CASA模型进行优化,对比两叶模型与优化CASA模型在站点尺度和像元尺度对于8个典型生态站点的植被净初级生产力(NPP)估算精度,选择在像元尺度表现更好的优化CASA模型,结合中国土地覆被数据(ChinaCover)开展2000—2019年中国陆地植被NPP监测与分析。研究结果表明：(1)基于FY2D PAR的优化方案能够有效避免空间插值导致的不确定性问题,显著提高了PAR估算精度;(2)在站点尺度上,两叶模型用于估算典型森林、草地生态系统的NPP表现更好,而在像元尺度上优化CASA模型估算精度更高;(3)在全国尺度上,优化了最大光能利用率、水分胁迫系数以及光合有效辐射计算方法的CASA模型能够较好地模拟中国陆地植被NPP,近20年中国陆地植被NPP变化范围为2.703—2.882 PgC/a,在空间上呈西北低东南高的格局,在时间上呈现波动中缓慢增加的趋势。     

安徽省植被净初级生产力估算——基于改进的CASA模型

定量估算植被净初级生产力(NPP)对预测陆地碳循环趋势具有重要意义,目前广泛应用于NPP估算的CASA模型其精度仍有待提高。在已有CASA模型优化的基础上,考虑最大光能利用率(LUE_max)的动态变化来改进CASA模型,对改进前后的模拟结果进行比较,并利用改进后的模型估算2001—2020年安徽省植被NPP。结论如下：(1)改进的CASA模型可应用于研究区的植被NPP估算,NPP模拟值与实测值之间的相关性达到显著水平(R²=0.736,P<0.01)。(2)改进后模拟的安徽省植被NPP在空间表达上能够呈现更多细节,时间上较改进前在生长季NPP值更高,非生长季值更低,拉大了NPP的年内变化。(3)2001—2020年安徽省植被NPP整体呈波动上升趋势,多年平均值为547.61 gC m^-2 a^-1,年均增长量达2.18 gC m^-2 a^-1,2016—2020年间NPP增长最快。年内NPP具有明显的季节差异,表现为夏季>秋季>春季>冬...     

改进CASA模型在内蒙古草地生产力估算中的应用

CASA(Carnegie-Ames-Stanford Approach)模型是针对北美地区植被而建立的净第一性生产力(NPP)模型,本文通过修改CASA模型参数(PAR、FPAR),使之成为适合草地NPP估算的模型。采用改进后的CASA模型计算了2003年内蒙古草地生长季的生产力,并利用2003年7和8月的地面实测样方数据对改进后的模型进行验证。结果表明,2003年内蒙古草地生长季总的第一性生产量为28.59×1012gC,利用改进后的CASA模型模拟的NPP值与地面实测值基本一致。除了温性荒漠类草地退化程度大于Ⅱ度时误差较大外,其它草地类型模拟的精度>80%,未退化草甸草原和典型草原的模拟精度达到90%。     

藏北高寒草地NPP变化趋势及其对人类活动的响应

基于1981～2004年多年遥感监测数据和气象数据以及其它相关数据,采用CASA(Carnegie-Ames-Stanford Approach)模型估算藏北地区草地植被净第一性生产力(NPP),分析草地植被NPP变化趋势的空间格局及其对人类活动强度的响应。结果表明:近24a以来,藏北绝大部分区域(约占草地总面积的88.61%)草地植被NPP变化趋势不明显;而草地植被NPP变化趋势显著的区域仅占草地总面积的11.39%,其中显著降低约占11.30%,显著增高仅占0.09%。在藏北地区,高海拔区域有较大比例(大于26%)的草地NPP显著降低;坡度在15～30°之间区域的草地NPP变化幅度较大;而坡向对草地NPP变化趋势的影响不大。藏北地区居民点对草地NPP变化趋势的负面影响小于道路影响;从综合影响来看,离道路和居民点越近、人类活动强度及其对草地NPP变化趋势的影响越大,尤其是草地NPP显著增高区域只分布在人类活动强度最大的第一个缓冲区内。     

基于改进的CASA模型模拟锡林郭勒草原植被净初级生产力

本研究在原来CASA模型的基础上,对模型参数最大光能利用率和水分胁迫系数的算法进行了改进,利用改进后的CASA模型模拟了2010年内蒙古锡林郭勒盟草原植被净初级生产力(NPP),并用地面实测样方数据对改进后的模型进行精度验证。结果表明:改进的CASA模型可应用于内蒙古草原小尺度植被NPP的估测,模拟NPP值与地面实测值之间的相关性达到显著水平(R2=0.829,P0.05);2010年内蒙古锡林郭勒盟草原植被生长季(4—10月)NPP为284.64 g C·m-2·a-1,不同地区年均NPP相差较大,东北部东乌珠穆沁旗草原NPP高达411.11 g C·m-2·a-1,而西北部的二连浩特市草原NPP仅为158.87 g C·m-2·a-1;整体上,锡林郭勒盟草原的NPP由东向西逐步递减,这与该区域水热条件限制基本一致;由于降水量的时滞效应,该年度内NPP出现两次峰值;2010年锡林郭勒境内草原NPP集中分布在250~350 g C·m-2·a-1,草甸草原的NPP最大,典型草原次之,荒漠草原最小。     

基于Sentinel-2的复杂山区常用植被指数地形效应分析

结合典型地形校正模型，比较复杂山区不同植被指数的地形效应去除效果，能够为地表植被的准确评估提供科学依据。本文以湖南省炎陵县的Sentinel-2影像为数据源，采用C模型、SCS+C模型以及Teillet-回归模型对比值型植被指数(NDVI和SR)和非比值型植被指数(MNDVI和RSR)进行地形校正，从视觉效果、相关性、坡度、坡向、植被覆盖度方面分析4种植被指数的地形效应去除效果。结果表明：(1)植被指数的波段比形式能够有效抑制地形引起的噪声。坡度<15°时，植被指数的地形效应均有不同程度的抑制；坡度>15°时，MNDVI的校正效果最好，RSR次之，NDVI和SR容易出现过度校正。(2)3种地形校正模型均能削弱复杂山区植被指数的地形效应，特别是坡度>15°时，C模型效果最好，SCS+C模型次之，Teillet模型效果较差。(3)MNDVI指数结合地形校正模型，能够有效抑制复杂山区地形效应的影响，提高植被覆盖度的估算精度。其中，坡度<25°时，Teillet模型效果最好；坡度>25°时，C模型效果最好。     

近16年青海高原植被NPP时空格局变化及气候与人为因素的影响

采用2000—2015年MOD13Q1—16天合成的250 m分辨率NDVI时序数据,基于CASA改进模型估算了青海高原植被NPP,分析了近16年来植被NPP时空变化的特征与规律及其对气候因素变化的响应,并探讨不同区域生态保护工程建设的成效。研究结果表明:①青海高原植被NPP多年平均值242.50 gC m~(-2) a~(-1),空间上呈东高西低,南高北低,由西北向东南逐渐递增分布趋势;②2000—2015年,研究区年NPP分布在53.24—96.56 TgC,呈平稳增加,年增长率1.32 TgC/a;③气候的暖湿化是植被NPP增加的主要因素,降水、气温的耦合作用是青海高原植被NPP年际波动的重要因素,不同区域植被NPP受控因子存在差异;④不同生态保护工程的实施,对区域NPP时空格局及变化趋势存在不同程度的影响。其中,三江源地区年NPP上升趋势最为明显,环青海湖地区、东部地区次之,柴达木地区是最缓慢的地区。     

毛乌素沙地海流兔河流域植被净初级生产力估算

采用CASA(Carnegie-Ames-Stanford Approach)模型,结合TERRA MODIS卫星数据和气象数据,对毛乌素沙地海流兔河流域2015年各月的植被净初级生产力(NPP)进行估算,并对植被NPP月平均值的时空分布规律及其与气象因子和地下水位埋深的关系进行了分析.结果表明:毛乌素沙地海流兔河流域2015年植被NPP总量为2.88×1011 g,生长季(4月份至10月份)的植被NPP总量达2.81×1011 g,占全年植被NPP总量的97.57%.随着时间推移,植被NPP月平均值和归一化差分植被指数(NDVI)月平均值呈"缓慢增加—急剧增加—急剧下降"的变化趋势.植被NPP月平均值季节变化明显,春季、夏季、秋季和冬季植被NPP月平均值之和分别为20.55、69.39、20.46和0.48 g·m-2.从空间分布上看,中部河谷和滩地的植被NPP月平均值总体上高于东南部、西部和西北部等沙丘荒漠区.月平均气温对植被NPP月平均值变化的影响最大,其次为平均实际日蒸散发量和地表月太阳辐射.植被NPP月平均值随着地下水位埋深的增加而减小,最大值出现在地下水位埋深1~2 m之间.上述研究结果显示:采用CASA模型可以较好地估算毛乌素沙地海流兔河流域植被NPP值,月平均气温和地下水位埋深对该流域植被NPP值的影响较大.     

汾河流域植被净初级生产力的驱动因素及梯度效应

基于CASA模型估算了2000—2015年汾河流域植被净初级生产力,采用趋势分析、相关分析等方法对汾河流域NPP的驱动因素进行研究,并对汾河流域不同梯度的NPP进行分析。结果表明:2000—2015年汾河流域植被NPP呈现波动上升趋势,年均增长6.62g C·m-2·a-1,均值为291.57 g C·m-2·a-1,整体呈现中部低两翼高的空间分布特征;不同地类的年均NPP为林地草地耕地其他用地建设用地水域用地; NPP与气温、降水量之间均为正相关;棕壤区植被NPP最大,栗褐土区植被NPP较小; NPP受地形和人为因素的影响,高值出现在海拔高、坡度大、人类活动较少的山区,低值主要在海拔低、坡度小、人类活动密集的沿河盆地;在汾河流域的东西条带上,距离汾河越远的梯度带NPP越大,在南北条带上,煤炭开采严重、城市化率高的梯度带NPP相对较低。     

地形对植被生物量遥感反演的影响——以广州市为例

目前植被生物量遥感反演研究中的地形校正主要是校正地形变化对地表反射率的影响,较少考虑地形起伏引起的像元面积与实际地表面积的差异,而这种差异将导致植被生物量估算结果的偏差.在生物量遥感反演的基础上,结合地表面积计算模型和物质守恒定律,建立了生物量地形校正模型,定量分析和讨论了地形起伏对广州市植被类型面积提取和生物量准确估算的影响.结果表明:地形校正前后全市针叶林、阔叶林、草地、灌木林和园地面积分别增加6.18％、3.70％、2.86％、1.92％和1.29％;在综合分析区域生物量遥感反演中的各种不确定性的基础上,建立的各植被类型的生物量模型均具有较高精度,相关系数均接近或者超过0.9,可以满足生物量反演的要求;全市植被生物量呈现出东、北高,西、南低的分布格局,像元实际代表的林地(阔叶林和针叶林)平均生物量为61.86t/hm2,高于珠三角区域生物量平均值,但与亚热带林的顶级群落生物量水平有较大差距,林地生物量还有较大的增长空间;经过校正地形变化引起的像元面积和实际地表面积差异对生物量提取结果的影响后,植被总生物量比校正前增加了5.82％,5种植被类型的总生物量有不同程度的增加,阔叶林、针叶林、草地、灌木林和园地分别增加了7.74％,4.76％、3.34％、2.50％和1.58％.与其它的表面积计算模型相比,利用的像元地表面积模型具有较高的精度,可以满足生物量遥感估算中地形校正的需要.     

陕北黄土高原植被净初级生产力的估算

基于MODIS和地面气象数据,利用改进的CASA模型,模拟分析了2005年陕北黄土高原地区的植被净初级生产力(NPP)及其时空分布.结果表明:1)根据生态生理过程模型针对不同土地覆被类型选择不同的月平均最大光能利用率,比传统CASA模型中使用固定的全球月平均最大光能利用率进行NPP估算,更符合陕北黄土高原地区的实际情况;在估算植被参数时引入植被覆盖分类,以及利用陕北黄土高原2005年时序NDVI进行土地覆被分类的同时,结合1:100万中国植被图和实地调查情况对分类结果进行修正,可提高分类的精度,从而提高模型估算的精度.2)通过不同模型之间和与陕北部分地区实际调查数据进行比较,显示改进后的CASA模型对区域陆地植被NPP的模拟效果较好,可应用于陕北黄土高原乃至周边地区NPP的计算中.3)2005年陕北黄土高原植被净第一性生产量估计值为4.76×10~(13) g C,约占全国总NPP的1.5%,植被平均NPP为447.3 g C·m~(-2)·a~(-1),高于1992-2000年全国陆地NPP平均值323.8 g C·m~(-2)·a~(-1).4)在NPP的空间分布上,总体趋势是由东南向西北递减,其中最高值出现在东南部的黄龙山次生林区(1087g C·m~(-2)·a~(-1));西北部的荒漠植被覆盖度极低,平均NPP仅为205.0 g C·m~(-2)·a~(-1).5)陕北黄土高原NPP的季节变化明显,其中4月中旬至10月中旬6个月生长季时间里的NPP可占到全年的91.5%,而7月中旬至8月中旬间该区的净初级生产力达到年内的极大值,可占全年的37.8%.

Abstract：

Based on the data from MODIS (Moderate-resolution Imaging Speetroradiometer) and meteorological observatories, and by using improved CASA (Carnegie-Ames-Stanford Approach) model, the vegetation net primary productivity (NPP) and its spatiotemporal distribution on the North Shaanxi Loess Plateau in 2005 were simulated and analyzed. Comparing with the traditional CASA model which only uses a universal mean annual maximum light use efficiency (LUE), the estimated regional NPP by the improved CASA model was more precise, because this improved model used the LUE parameters of different vegetation covers. The detailed land cover classifica-tion also contributed to the increase of the precision via introducing the time-series Normalized Different Vegetation Index (NDVI) and ground survey data to modify and adjust the original clas-sification system based on vegetation map (1: 1000000). The testing of the simulation results from different models with the ground survey data in North Shaanxi showed that the estimation by the modified CASA model was much closer to the real survey data, implying the potential practi-cal significance of this model in estimating the vegetation NPP in North Shaanxi Loess Plateau and its adjacent areas. In 2005, the NPP in North Shaanxi was estimated as 4. 76×1013 g C, ac-counting for about 1.5% of China' s terrestrial total NPP, and the mean NPP was 447.3 g C·m~(-2)·a~(-1), being much higher than that of China' s terrestrial vegetation (323.8 g C·m~(-2)·a~(-1)) in 1982-2000. The spatial distribution pattern of the vegetation NPP showed an apparently declining trend from the southeast to the northwest, with the highest value of 1087 g C·m~(-2)a~(-1) occurred in the broadleaved-and conifer-mixed forests of Huanglong Mountain in southeast part of the region. The mean NPP of desert vegetation in the whole region was the lowest, only about 205.0 g C·m~(-2) ·a~(-1). An obvious seasonal variation of the NPP was observed. The NPP in growth season (from April to October) took about 91.5% of the total in the year, and the peak occurred in mid-July to mid-August, amounting to 37.8% of the total.     

利用CASA模型模拟西南喀斯特植被净第一性生产力

基于SPOT NDVI遥感数据并结合数字高程模型、气象数据和植被参数,利用实测植被生产力计算和修正最大光能利用率,通过改进CASA过程模型,本文估算了中国西南喀斯特地区1999—2003年的植被净第一性生产力（NPP）。结果表明：1）改进后的CASA模型模拟的植被NPP与实测值相关性显著,可较好用于西南喀斯特植被的NPP估算;2）西南8省市区1999—2000年喀斯特和非喀斯特植被的NPP有轻度增加,但空间变化不显著,2001年低值区范围增加,2002年NPP高值区的范围明显扩大,随后在2003年又降低,但仍高于2001年;3）5年间西南喀斯特地区年NPP的变化范围是381.7—439.9 gC m-2 yr-1,平均值为402.34 gC m-2 yr-1,逐年NPP波动中呈现总体增长趋势,平均增加值为9.93 gC m-2 yr-1,5年总增加量为11TgC,但非喀斯特地区的年NPP平均值和增加值都大于喀斯特地区;4）5年间喀斯特地区的热带森林、亚热带森林、灌丛和草地的逐年NPP均小于非喀斯特地区,温带森林和农业植被则相反;这6种典型植被年NPP均呈增加趋势,热带森林的增加值最大,草地最小,非喀斯特地区植被NPP的增长趋势相似,但每种植被的年NPP增加值均大于喀斯特地区。西南喀斯特地区植被NPP的时空变化与气温、降水和太阳辐射的变化有关,而喀斯特植被NPP低于非喀斯特地区,则主要由喀斯特地区水分匮缺、土壤贫瘠等恶劣条件而抑制植物生长造成的。     

2000—2018年京津冀地区植被净初级生产力时空演变及其驱动因素

基于MODIS-NDVI(Moderate-Resolution Imaging Spectroradiometer,Normalized Difference Vegetation Index)、气象站点及植被类型数据,采用改进的CASA(Carnegie-Ames-Stanford Approach)模型估算了20...     

南方丘陵山地带植被净第一性生产力时空动态特征

基于MODIS数据并结合气象资料和植被参数,利用修正过最大光能利用率的CASA(Carnegie-Ames-Stanford Approach)模型,对国家生态安全屏障区的"两屏三带"之一南方丘陵山地带2000—2010年的植被净第一性生产力(NPP)进行模拟,并对其时空分布格局进行了分析。研究结果表明:(1)研究区2000—2010年期间年NPP的变化范围为406.0—485.6 g C m-2a-1,年平均NPP为445.7 g C m-2a-1,高于全国平均水平;NPP年际上升趋势不显著(P=0.39),平均增加值为2.28 g C m-2a-1;(2)NPP空间分布特征与植被类型具有较好的一致性,单位面积NPP以混交林覆盖区最高(501.0 g C m-2a-1),草地覆盖区NPP最低(390.7 g C m-2a-1);(3)植被NPP的时空变化与气温、降雨和太阳辐射等自然因素的变化有直接关系,而社会、经济、政策等人为因素通过改变土地利用方式来间接影响。     

复杂地形草地植被碳储量遥感估算研究进展

草地生态系统是我国最大的陆地生态系统，其植被碳储量的准确评估对维护国家生态安全和指导畜牧发展有重要作用。植被生物量和草地面积是草地植被碳储量估算的关键，随着遥感技术的发展，两者估算精度和效率显著提高，先后发展出多种草地生物量遥感估算模型和土地覆被产品，并已在平坦地区取的较好估算结果。然而，复杂地形区迥异于平地的几何形态和水热分布所产生的不均一的生态系统结构和功能，给草地生物量和草地面积的遥感估算带来诸多困难，影响对草地植被碳储量的准确判定。本文在回顾国内外草地植被碳储量遥感估算方法与所需关键参数的基础上，对遥感估算复杂地形草地植被碳储量过程中所面临“遥感影像地形效应的去除和尺度选择”、“植被指数与地形指标的选取”、“过程模型植被生长参数的率定”、“草地面积估算”以及“气象数据与复杂地形上微气候的匹配”等问题进行了总结并提出相应的解决思路，以期为草地植被碳储量遥感估算模型的合理构建以及估算精度的提高提供参考。     

中国陆地植被净初级生产力遥感估算

该文在综合分析已有光能利用率模型的基础上,构建了一个净初级生产力(NPP)遥感估算模型,该模型体现了3方面的特色:1)将植被覆盖分类引入模型,并考虑植被覆盖分类精度对NPP估算的影响,由它们共同决定不同植被覆盖类型的归一化植被指数(NDVI)最大值;2)根据误差最小的原则,利用中国的NPP实测数据,模拟出各植被类型的最大光能利用率,使之更符合中国的实际情况;3)根据区域蒸散模型来模拟水分胁迫因子,与土壤水分子模型相比,这在一定程度上对有关参数实行了简化,使其实际的可操作性得到加强。模拟结果表明,1989~1993年中国陆地植被NPP平均值为3.12 Pg C (1 Pg=10¹⁵ g),NPP模拟值与观测值比较接近,690个实测点的平均相对误差为4.5%;进一步与其它模型模拟结果以及前人研究结果的比较表明,该文所构建的NPP遥感估算模型具有一定的可靠性,说明在区域及全球尺度上,利用地理信息系统技术将遥感数据和各种观测数据集成在一起,并对NPP模型进行参数校正,基本上可以实现全球范围不同生态系统NPP的动态监测。     

1999—2015年若尔盖草原湿地净初级生产力时空变化

植被净初级生产力(NPP)是草原湿地生态系统碳收支平衡和气候变化的核心内容之一。本研究基于植被指数、气象数据(降水和气温)、植被类型数据,利用CASA模型对若尔盖草原湿地1999—2015年NPP进行估算,分析了若尔盖草原湿地NPP时空格局特征及其与气候因子的关系。结果表明: NPP实测值与模拟值之间显著相关,R²为0.78,均方根误差为120.3 g C·m^-2·a^-1;研究区年均和生长季(4—9月)NPP分别为329.0、229.4 g C·m^-2·a^-1,年际间波动明显,以2.3、1.6 g C·m^-2·a^-1的微弱趋势下降,不同植被类型的年均及生长季NPP的年际波动与整个研究区的波动趋势基本一致;年均和生长季NPP的变化斜率分别为-21.3～18.7、-31.5～23.1 g C·m^-2·a^-1,显著增加的面积分别占研究区总面积的0.3%和0.7%,主要分布于森林覆盖区和湿地生态补偿区;显著下降的面积分别占研究区总面积的1.4%和6.4%,主要分布于人类活动集中的地区;研究区不同植被的固碳能力存在差异,其中,森林最强,草地次之,湿地最弱;降水是影响草原湿地植被NPP的主导气候因子。